Bilim insanları uzun yıllardır beynimizin alfa dalgalarının (~10 Hz) gereksiz duyusal bilgileri engelleyerek dikkat mekanizmasına yardım ettiğini düşünüyordu. Ancak eLife Sciences'da yayınlanan yeni bir çalışma, bu yaygın görüşü sorgulayan sonuçlar ortaya koyuyor. EEG ve MEG teknolojilerini kullanan araştırmacılar, alfa dalgalarının erken duyusal işlemleri engelleme rolünü incelediler. Çalışmada katılımcılara görsel ipuçları verilerek görsel veya işitsel ayrım gerektiren görevler sunuldu. Beklenmedik şekilde, alfa aktivitesinin klasik inhibisyon teorisiyle tam olarak örtüşmediği gözlemlendi. Bu bulgular, dikkat mekanizmalarının çalışma şeklini yeniden düşünmemizi gerektirebilir.

Matematiksel fizikçiler, Standart Model parçacıklarının etkileşimlerinde şaşırtıcı bir keşif yaptı. Geleneksel yaklaşımdan farklı olarak, ölçek simetrisi varsayımını baştan kabul etmeden yola çıkan araştırmacılar, kuantum mekaniği ilkelerinin tek başına yeterli olduğunu gösterdi. Bu yeni yaklaşımda, parçacık etkileşimleri sadece Hilbert uzayı üzerindeki temsil gibi kuantum ilkelerle sınırlandırılıyor. En çarpıcı sonuç ise, bu kısıtlamaları karşılayan etkileşimlerin çoğunun 'gizli' bir ölçek simetrisi göstermesi. Bu gizli simetri, kütleli vektör bozonların varlığında bile tam ve kırılmaz kalıyor. Bulgular, parçacık fiziğinin temellerini yeniden düşünmemizi gerektiriyor.

Büyük dil modelleri müzakere ve politika yapımı gibi eksik bilgilerle stratejik karar verme görevlerinde sıklıkla kullanılıyor. Ancak bu modellerin beklenmedik başarısızlıkları var. Yeni bir araştırma, Llama 3.1, Qwen3 ve GPT-OSS modellerini inceleyerek bu başarısızlıkların nedenlerini ortaya çıkardı. Çalışma, yapay zekanın gözlem yapma, inanç oluşturma ve eylem alma süreçleri arasında iki kritik boşluk tespit etti. Birincisi, modellerin gerçekte sahip oldukları inançlar ile sözel olarak ifade ettikleri arasındaki tutarsızlık. İkincisi ise iç inançları eylemlere dönüştürmedeki zayıflık. Bu bulgular, AI sistemlerinin stratejik düşünme yeteneklerini geliştirmek için önemli ipuçları sunuyor.

Araştırmacılar, Hindistan Yeminli Mali Müşavirlik (CA) alanına özel olarak tasarlanmış CA-ThinkFlow adlı yeni bir yapay zeka sistemi geliştirdi. Büyük dil modelleri finans sektöründe giderek yaygınlaşsa da, karmaşık yasal düzenlemeler ve çok adımlı sayısal hesaplamalar gerektiren uzmanlık alanlarında yetersiz kalıyordu. CA-ThinkFlow, bu sorunu çözmek için Retrieval-Augmented Generation (RAG) teknolojisini kullanan kaynak-verimli bir çerçeve sunuyor. Sistem, 14 milyar parametreli DeepSeek-R1 model ve düzen-farkında belge çıkarma teknolojisini birleştiriyor. Bu yaklaşım, sınırlı kaynaklara sahip ortamlarda bile etkili çalışabilecek şekilde tasarlandı. CA-ThinkFlow, mevcut bilgiyi otomatik olarak sorguya entegre ederken, modelin yerleşik zincirleme düşünme yeteneklerini kullanarak bağlam oluşturuyor ve doğru sonuçlar üretiyor.

Araştırmacılar, büyük dil modellerinin boyutunu küçültmek için ARHQ adlı yenilikçi bir yöntem geliştirdi. Bu teknik, modellerin performansını korurken boyutlarını önemli ölçüde azaltabiliyor. Geleneksel sıkıştırma yöntemlerinin aksine, ARHQ hata yayılımını önlemek için ağırlıkları iki ayrı dala bölerek işlem yapıyor. Yöntem, hassas hesaplamalar gerektiren kısımları yüksek kalitede tutarken, diğer bölümleri güvenle sıkıştırıyor. Qwen3-4B modeli üzerindeki testler, bu yaklaşımın mantıksal düşünme yeteneklerini koruduğunu gösteriyor. Bu gelişme, yapay zeka modellerinin mobil cihazlarda ve sınırlı kaynaklara sahip sistemlerde daha verimli çalışmasının önünü açıyor.

Araştırmacılar, mevcut transformer modellerinin sınırlarını aşan yeni bir yapay zeka mimarisi geliştirdi. State Stream Transformer (SST) V2, geleneksel modellerin aksine pozisyonlar arası gizli bilgiyi koruyor ve sürekli bir mantık yürütme süreci sağlıyor. Bu yenilik, AI modellerinin daha verimli öğrenmesini ve daha derin düşünme kapasitesini mümkün kılıyor. Model, her katmanda doğrusal olmayan bir tekrarlama mekanizması kullanarak, gizli durumları tüm dizi boyunca akıtıyor. En önemli özelliği ise çıkarım sırasında her pozisyonda sürekli düşünebilme yetisi - tıpkı insanların karar vermeden önce düşünmesi gibi. İki aşamalı paralel eğitim prosedürü sayesinde verimli öğrenme sağlanırken, gizli durum analizi modelin farklı anlamsal alanlarda gezinerek mantık yürüttüğünü gösteriyor.

Araştırmacılar, görsel-dil modellerinin uzun vadeli karar alma becerilerini geliştirmek için yeni bir yaklaşım geliştirdi. Super Mario Land oyununu oynayarak eğitilen yapay zeka, 100'den fazla hamle gerektiren karmaşık görevlerde başarı gösterdi. Çalışma, geleneksel yöntemlerin aksine pekiştirmeli öğrenme tekniklerini kullanarak, yapay zekanın görsel algı, mantık yürütme ve eylem koordinasyonunu bir arada gerçekleştirmesini sağladı. PPO algoritmasının uyarlanmış versiyonu ile eğitim kararlılığı önemli ölçüde artırıldı. Bu gelişme, yapay zekanın interaktif ortamlarda uzun soluklu stratejik düşünme becerisini kazanması açısından önemli bir adım teşkil ediyor.

Araştırmacılar, büyük dil modellerinin mantıksal düşünme kapasitesini artırmak için ResRL adında yeni bir pekiştirmeli öğrenme yöntemi geliştirdi. Mevcut teknikler, modellerin doğru cevap verme oranını artırırken yaratıcılığını kısıtlıyor. Yeni yöntem, negatif örnekleri akıllıca kullanarak hem doğru sonuçlar üretmeyi hem de çeşitlilik kazanmayı hedefliyor. ResRL, pozitif ve negatif yanıtlar arasındaki benzer anlamsal dağılımları ayırarak çalışıyor. Bu sayede modeller, yanlış cevaplara odaklanmadan öğrenim sürecini optimize edebiliyor. Geliştirilen teknik, yapay zeka modellerinin daha etkili problem çözme yetenekleri kazanmasını sağlayabilir.

Büyük yapay zeka modellerinin karmaşık problemlerde başarılı olmasına rağmen, basit soruları hızla ve verimli şekilde çözme konusunda beklenmedik zorlanmalar yaşadığı ortaya çıktı. Araştırmacılar, bu modellerin 'Sistem 1 düşünme' olarak adlandırılan sezgisel problem çözme yeteneklerini inceledi. 28 farklı büyük dil modelini test eden çalışma, modellerin basit sorularda bile gereksiz uzun açıklamalar yaptığını ve verimsizlik gösterdiğini buldu. Bu durum, yapay zekanın insan benzeri doğal düşünme süreçlerini taklit etme konusundaki sınırlarını gözler önüne seriyor. Bulgular, gelecekteki AI sistemlerinin daha verimli ve pratik uygulamalar için geliştirilmesi gerektiğini işaret ediyor.

Araştırmacılar, büyük dil modellerinin (LLM) belirsizlik altında karar verme konusunda insanlara ne kadar benzediğini araştırdı. Çok kollu haydut (multi-armed bandit) deneylerini kullanarak yapılan karşılaştırmada, keşif-sömürü dengesi incelendi. Bu denge, yeni seçenekleri deneme ile mevcut en iyi seçeneği kullanma arasındaki karardır. Sonuçlar, yapay zeka modellerinin düşünme süreçleri etkinleştirildiğinde insan davranışlarına daha çok benzediğini ortaya koydu. Bu bulgular, yapay zekanın insan benzeri karar verme süreçlerini simüle etme potansiyeli hakkında önemli ipuçları veriyor.

Araştırmacılar, görsel-temelli mantıksal çıkarım yapabilen yeni bir yapay zeka modeli geliştirdi. VGR adlı bu model, geleneksel yaklaşımların aksine sadece metin tabanlı işlem yapmak yerine, görüntülerdeki önemli bölgeleri tespit ederek daha doğru çıkarımlar yapabiliyor. Mevcut çok modlu dil modelleri genellikle matematiksel ve bilimsel problemlerle sınırlıyken, VGR karmaşık görsel anlama gerektiren görevlerde de başarılı sonuçlar veriyor. Model, özel olarak hazırlanmış büyük ölçekli bir veri setiyle eğitilmiş ve görsel grondlama ile dil çıkarımını birleştiren hibrit bir yaklaşım kullanıyor. Bu gelişme, yapay zekanın insan benzeri görsel algı ve mantıksal düşünme süreçlerini daha iyi taklit edebilmesinin önünü açıyor.